/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Архитектура
nemotron_h · dense
Базовая модель
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16
Библиотека
transformers
Опубликована
8 июл 2026

Nemotron-3-Nano-30B-A3B-REAP-64e

Генерация текстаТекст → текст15 профессий

Уменьшенная методом REAP MoE-модель Nemotron-3-Nano-30B-A3B для диалогов, генерации текста, программирования и рассуждений с контекстом до 262 144 токенов.

35скачиваний за 30 дней1лайквеса обновлены8 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

sapidlabs подготовила разреженную MoE-версию языковой модели NVIDIA Nemotron-3-Nano-30B-A3B: методом REAP удалена половина маршрутизируемых экспертов, по 64 из 128 в каждом MoE-слое. Это сокращает объём модели примерно с 59 до 32 ГБ; число активируемых экспертов на токен осталось равным шести, поэтому основной выигрыш — в размере и потреблении памяти, а не в скорости генерации. Модель использует архитектуру Nemotron-H с классом NemotronHForCausalLM, поддерживает чат и имеет контекст до 262 144 токенов.

Модель предназначена для генерации текста, диалогов, задач программирования и рассуждений. Прунинг выполнен без повторного обучения с калибровкой на 256 примерах из набора evol-codealpaca-v1, поэтому лучше всего подтверждены сценарии, близкие к коду и рассуждениям. Формальные бенчмарки не проводились; возможна потеря качества относительно исходной модели, особенно за пределами калибровочных данных. Для запуска доступны веса safetensors через Transformers; для ускоренного пути Mamba требуются mamba-ssm и causal-conv1d. Лицензия указана как other; дополнительных условий README не приводит.

Сценарии применения

  • ведение диалогов с длинным контекстом
  • генерация и дополнение программного кода
  • ответы на вопросы по тексту
  • решение задач на рассуждение
  • локальный запуск языковой модели при ограниченной памяти

Ограничения

Калибровка проведена всего на 256 примерах, формальных бенчмарков нет; качество может снизиться относительно исходной модели, особенно вне области кода и рассуждений. Для быстрого пути Mamba нужны mamba-ssm и causal-conv1d; лицензия обозначена как other.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nemotron-3-Nano-30B-A3B — REAP-pruned to 64 experts

A 50% expert-pruned version of nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B, produced with REAP (Router-weighted Expert Activation Pruning). Half the routed experts in each MoE layer were removed, shrinking the model from ~59 GB to ~32 GB while keeping the same routing width.

BaseThis model
Routed experts / MoE layer12864
Experts activated per token66 (unchanged)
Total params~31.6 B~31.6 B nominal (fewer experts stored)
Size (BF16)~59 GB~32 GB
Architecturenemotron_h (hybrid Mamba-Transformer MoE)same

What is REAP?

REAP is a one-shot, post-training method (no retraining) that scores every expert by the mean of router_weight × activation_norm over a calibration set, then removes the least-salient experts. Because only a few experts fire per token, many are redundant — pruning them reduces the model's memory footprint. Note that experts-per-token is unchanged (6), so the active compute per token is the same; the win is total size / memory, not decode speed.

How this was made

  • Method: REAP, layer-wise (block-by-block) calibration.
  • Compression: compression_ratio 0.5 → 64 of 128 routed experts kept per MoE layer.
  • Calibration: 256 samples from theblackcat102/evol-codealpaca-v1 at 512-token context.
  • Hardware: pruned on an NVIDIA DGX Spark (GB10).

Caveats

  • This is a moderate-calibration prune (256 samples). It generates coherent, on-task text in sanity checks, but has not been run through formal benchmarks — expect some quality regression vs the base model, especially outside the coding/reasoning calibration domain. A production prune would use a larger, more diverse calibration set.
  • nemotron_h includes Mamba layers. With trust_remote_code=False (native transformers modeling), it runs on a pure-torch fallback; install mamba-ssm + causal-conv1d for the fast path.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

repo = "sapidlabs/Nemotron-3-Nano-30B-A3B-REAP-64e"  # this repo
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo, torch_dtype=torch.bfloat16, device_map="cuda"
).eval()

msgs = [{"role": "user", "content": "Write a Python function for the nth Fibonacci number."}]
inputs = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True).to("cuda")
out = model.generate(**inputs, max_new_tokens=256)
print(tok.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

License

Inherits the base model's license (NVIDIA Open Model License). This is a derivative of nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
NemotronHForCausalLM
Ревизия весов
6bba4cd

0 моделей